[問題] 將for迴圈中所出現的值儲存成矩陣已刪文

看板Python作者 (RedDevil)時間7年前 (2018/03/09 16:49), 7年前編輯推噓6(608)
留言14則, 4人參與, 7年前最新討論串1/1
比較像是這篇#1QdWDgH0 (Python)文的延伸 使用的Python版本為3.6 OpenCv版本為2.0 現在的狀況是我有一張被二值化後的圖片 接著我利用了for迴圈找出了所有白點的座標位置 但是因為for迴圈的特性 新找到的值會把舊的給覆蓋掉 但是不知道要使用python的哪個語法來解決這個問題 參考了這篇 https://www.ptt.cc/bbs/Python/M.1495116749.A.54F.html 使用了reshape的語法 但是沒有跑出我想要結果 想請問原因的所在QQ ===================================================== 程式碼的部分 y=[] x=[] for y in range(row): for x in range(col): if image[y,x,0]==255 and image[y,x,1]==255 and image[y,x,2]==255: y = np.reshape(y,(len(y),1)) x = np.reshape(x,(len(x),1)) print(y) print(x) 執行結果 https://i.imgur.com/1HWxVCy.png
-- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 120.105.133.228 ※ 文章網址: https://www.ptt.cc/bbs/Python/M.1520585376.A.B84.html

03/09 16:58, 7年前 , 1F
可是你用range的意思是你每一個迴圈帶入的數字是一個
03/09 16:58, 1F

03/09 16:58s, , 2F
整數欸 你的意思是要每次帶入一個list嗎
03/09 16:58s, 2F
那個range指的是圖片的長與寬 之後逐行逐列掃 找出(255,255,255)在哪裡 如果找到了那點是位在(x,y)的話 就把它存到矩陣之中 類似這樣的概念 推 goldflower: 呃你上面才剛宣告x,y是list迴圈又用x,y蓋掉 當然炸 03/09 17:01 改成了i與j 不過還是不行@@

03/09 17:09, 7年前 , 3F
然後你的圖片是greyscale吧?還有RGB三條 channel嗎?
03/09 17:09, 3F

03/09 17:14, 7年前 , 4F
而且你都說2值化了本來不就0跟1
03/09 17:14, 4F
對是三條RGB 原本的圖片經過處理後只會在特定的地方呈現白色,其餘為黑 而我所希望的是可以找出那些白的地方的位置在哪 像這樣找出來之後會有很多點 https://i.imgur.com/hjkAce5.png
接著把那些分別存成兩個矩陣

03/09 17:30, 7年前 , 5F
xs=[] ys=[] 裡面不就只要xs.append(x) ys.append(y)
03/09 17:30, 5F
感謝g大 受益良多QQ

03/09 17:41, 7年前 , 6F
為啥你的 thresholding是硬幹的opencv就有可用的還比你這
03/09 17:41, 6F

03/09 17:41, 7年前 , 7F
種快很多
03/09 17:41, 7F

03/09 17:47, 7年前 , 8F
然後你沒去上課候 這邊是用 blob detection 去找區域不是這
03/09 17:47, 8F

03/09 17:47, 7年前 , 9F
樣硬幹。。
03/09 17:47, 9F
其實是根本沒修過相關課程 自己翻書google解的QQ

03/09 18:04, 7年前 , 10F
opencv的基本教學看一看啦 你想要實現的那邊都寫好了
03/09 18:04, 10F
好QQ ※ 編輯: RX480 (120.105.133.228), 03/09/2018 18:09:57

03/10 00:32, 7年前 , 11F
如果你想學PYTHON就學一下NUMPY想學影像的話你這寫法
03/10 00:32, 11F

03/10 00:32, 7年前 , 12F
寫C++就好 很少雙迴圈的
03/10 00:32, 12F

03/10 00:33, 7年前 , 13F
np where可以幫你解決這問題
03/10 00:33, 13F

03/10 01:20, 7年前 , 14F
這個不用寫啦 opencv已經有了
03/10 01:20, 14F
文章代碼(AID): #1QeagWk4 (Python)
文章代碼(AID): #1QeagWk4 (Python)